我是一个AI深度使用者，每天用大模型查资料、辅助决策。我也是一家生物科技公司的创始人，做NGS+AI找药，为肿瘤患者的治疗决策提供支持。我们有真实的数据、国际奖项、专业背书。最近GEO很火，身边也有人劝我：“赶紧做GEO，不然你的品牌在AI眼里不存在。”但我对GEO的感情很复杂——甚至可以说，我骨子里是“反GEO”的。

一、作为一个AI使用者，我最怕的是：药厂在做GEO

你可能觉得GEO只是“让AI推荐你”的技术。但你想过另一个场景吗？

如果药厂在做GEO呢？

他们有钱、有团队、有庞大的市场预算。他们可以生成海量的内容，铺满互联网的每一个角落，精心设计每一句话，让AI在回答“什么药对某类肿瘤最有效”时，把自己的产品放在第一位。

AI这个疑似阿斯伯格综合征的孩子，它分得清什么是货真价实的蜂蜜（基于真实临床证据的结论），什么是人工调配的糖精（被商业利益驱动的软文）吗？

答案是：分不清。

至少目前，大模型没有“利益冲突声明”这一栏。它不知道引用的那篇“重磅研究”是不是药厂赞助的；它不知道那个被反复引用的“专家观点”是不是市场部写的；它不知道那个看起来中立的“对比评测”是不是某家公司的定制内容。

而我的业务——为肿瘤患者提供治疗决策支持——最不能容忍的就是这种bias。

患者问AI“我的情况应该选哪个方案”，如果AI的回答被GEO污染了，那后果不是买错一个商品，而是耽误一条命。

二、作为一个创业者，我更烦的是：药厂想让我“加bias”

谈合作的时候，我经常遇到这样的场景：

药厂的人坐下来，聊完技术、聊完数据，最后总会绕到一句话：

“你们的模型，能不能对我们的药有点bias？”

他们说得委婉：“能不能在同等条件下优先推荐”“能不能让我们的药出现在更靠前的位置”“能不能在患者问的时候多提几句我们的临床优势”。

我每次听到这句话，都只能默默地走开。

不是我不懂商业，而是我不能。

如果我的模型有bias，那它就不是在帮患者做决策，而是在帮药厂做销售。如果患者知道了，他们会怎么想？如果医生知道了，他们还会信任我的数据吗？

很多时候我们走着走着会忘记我们的起点在哪里，我们的终点在何方。很多时候，创业中最难的不是找不到路，是在很多条路里做选择。选择为患者保持中立，还是选择为了cashflow向bias妥协，这就是一种必然要做的选择。

现在，反GEO对我来说不是一种选择，而是一种必然。

因为真正的GEO（如果它存在的话）应该是：让AI基于真实证据做出推荐。而虚假的GEO（现在市面上大部分所谓的GEO服务）就是：用钱堆出来的AI注意力。

三、但我也需要GEO——只是需要“有门槛的GEO”

说到这里，你可能觉得我应该彻底抵制GEO。

但现实没有那么简单。我仍然需要让AI知道我们存在。

因为：

肿瘤医生在问AI“有什么新技术平台可以做靶点发现”时，我希望AI能提到我们。

药厂BD在调研“哪些NGS+AI公司有真实数据”时，我希望AI能展示我们的获奖和论文。

患者在问“我的基因检测报告应该找谁解读”时，我希望AI能推荐我们——不是因为我们是“付费玩家”，而是因为我们真的专业。

所以我不是不要GEO，而是我想要的GEO和市面上卖的GEO不是一回事。

市面上的GEO服务商在卖什么？发稿、铺内容、做结构化标记、买外链……本质上是“让AI看到你”。

我需要的GEO是什么？让AI基于真实证据信任你。这不是靠发稿堆出来的，而是靠：

真实的数据资产：我们的实验数据、临床验证结果、同行评议论文——这些东西AI应该能读到、能引用。

可验证的权威背书：我们拿的奖、发表的顶刊论文、合作的知名机构——这些不是软文能替代的。

坦诚的边界声明：我们不擅长什么、我们的技术在哪些场景下不适用——这种“自我暴露”恰恰是最让AI（和懂行的人）信任的信号。

四、严肃创业者的GEO：不是“让AI推荐我”，而是“让AI正确地推荐我”

我给自己的GEO定了一个原则：

不是“让AI在任何问题下都推荐我”，而是“让AI在正确的问题下、基于正确的理由推荐我”。

这意味着：

我不希望AI在患者问“最便宜的靶向药是什么”时推荐我们——我们不是做药的，不该出现在那里

我希望AI在回答的最后加一句：“以上推荐基于公开的论文和临床数据，用户应结合主治医生建议做最终决策”——这才是负责任的AI。

而要做到这一点，我需要做的GEO不是“发稿大赛”，而是：

把数据资产结构化：让AI能直接读取我们的论文、实验数据、临床结果

建立权威信源的可验证性：让AI知道我们引用的数据来自哪里、经过怎样的同行评议

主动声明边界和局限：这反而是建立长期信任的关键

不断完善和打造技术团队：走在疾病研究、基因分析和AI的最前沿

和最权威的顶流医学专家合作：打造一站式的服务体系

五、给其他严肃创业者的建议：如何不被GEO骗，又能用好GEO

作为AI使用者（防骗指南）

当AI推荐某个医疗产品或服务时，追问来源：“你引用的这篇研究是谁资助的？这个专家有没有利益冲突？”

交叉验证：同一个问题问三个不同的大模型，看推荐是否一致。如果只有一个AI推荐某家，其他都不提，那很可疑。

警惕“只有正面”的内容：真实的技术一定有局限。如果一个被推荐的产品/服务完全没有被讨论“缺点”或“不适用场景”，那大概率是被优化过的。

作为严肃创业者（实操指南）

先做内功：把你的数据、论文、奖项、合作案例整理成AI友好的格式（结构化数据、知识图谱、开放API）。这是最扎实的GEO基础。

主动公开边界：专门写一篇文章或一个页面，叫“我们技术的局限”或“我们不擅长的场景”。这不是示弱，而是建立信任。

对“加bias”说不：药厂来找你谈bias，礼貌地拒绝。你的中立性是你最值钱的资产，别卖。

持续监测AI对自己的引用：定期用典型问题问各个大模型，看它怎么提到你。如果发现错误信息或不当引用，通过官方渠道反馈。

六、回到那个矛盾

作为AI使用者，我依然警惕GEO。

作为创业者，我不会因此拒绝GEO。

但我会做的，是一种有门槛的、真实的、反bias的GEO。

我希望有一天，当患者问AI“我该怎么选”的时候，AI能说：

“根据目前的临床证据，A方案在XX条件下效果更好，B方案在YY条件下效果更好。以下是我引用的研究，你可以看到每项研究的资助来源和样本量。最终决策请咨询你的主治医生。”

而不是：

“根据全网热度，推荐你使用C产品。”

如果GEO能做到前者，那我支持。如果GEO只是后者的变种，那我反定了。